Design and implementation of an evaluation testbed for fog computing infrastructure and applications

Abstract

Besides the popular Cloud Computing paradigm, a new approach to distributed computation, known as Fog Computing, has been emerging in the last few years. This approach suggests, that the intelligence should move from the data centers to the network level. In the past years, Fog Computing has been gaining more attention, which has led to the rise in projects and publications. Unfortunately, there is very little support to test and evaluate Fog Computing applications. Aside from expensive real world deployments, there are few tools to simulate the behavior. Since simulation does not execute the application to be tested, the results are less accurate than in an emulated environment. Emulation offers a trade-off between evaluation costs and accurate results. This work proposes a new approach to read in network topologies from different sources and uses them to evaluate user defined Fog Computing applications. To identify the edge of those networks an algorithm is presented. Also, a heuristic to place fog nodes cost optimal within a user defined proximity of the edge is suggested. The final outcome can be exported to a network emulator like MaxiNet in combination with Docker. This approach is implemented in EmuFog and published open source. It is easily extensible for future use, platform independent, and flexible for different applications to test. A user can specify the computing capabilities (i.e.RAM) of each node type and define the associated Docker image to run. Hierarchies can be built using dependencies between fog node types. Also, an evaluation is carried out to measure the algorithms presented. For the edge identification and the fog node placement, the evaluation shows reasonable running times even for bigger network sizes of up to 10,000 nodes. In the evaluated networks the heuristic shows an average deviation of 1.2, and in the worst-case scenario, a deviation of 5/3 of the cost optimal result.

Abseits des bekannten Cloud Computing Ansatzes ist im Laufe der Letzten Jahre mit dem Fog Computing auch ein neuer Ansatz im Bereich des verteilten Rechnens entstanden. Dieser schlägt vor die Rechenleistung aus einem Rechenzentrum in das Netzwerk zu verlagern. Da Fog Computing im Laufe der letzten Jahre mehr und mehr Aufmerksamkeit bekam führte dies zu einem Anstieg an Konferenzen und Veröffentlichungen in diesem Bereich. Unglücklicherweise gibt es im Moment noch wenige Möglichkeiten Fog Computing Anwendungen zu evaluieren. Neben der Ausführung auf klassischen Geräten existiert die Simulation des Verhaltens eines Programms. Da Simulationsumgebungen die eigentlich zu testende Anwendung nicht ausführen sind die schlussendlichen Ergebnisse nicht so genau wie sie Emulationsumgebungen sind. Die Emulation bietet eine gute Abwägung zwischen den Kosten für ein Experiment und der Genauigkeit der Ergebnisse. Diese Arbeit stellt einen neuen Ansatz vor Netzwerktopologien aus verschiedenen Quellen einzulesen und diese für die Evaluation von nutzerspezifischen Fog Computing Anwendungen zu nutzen. Dafür wird ein Algorithmus vorgestellt, welcher den Rand des jeweiligen Netzwerks identifiziert, sowie eine Heuristik um sogenannte Fog Knoten kostenoptimal innerhalb einer nutzerdefinierten Umgebung zu platzieren. Das Endergebnis kann für einen Netzwerkemulator exportiert werden. Dieser Ansatz wurde mittels EmuFog implementiert und quelloffen veröffentlicht. Dabei ist EmuFog einfach zu erweitern, plattformunabhängig und flexibel für verschieden Anwendungsmöglichkeiten. Ein Nutzer kann Fog Knoten spezifizieren mittels der Rechenleistung wie z.B. RAM und der zu testenden Anwendung in Docker. Durch den Nutzen von Abhängigkeiten können Hierarchien gebaut werden. Zudem wird eine Evaluation der Laufzeit der vorgestellten Algorithmen präsentiert. Diese kann gute Laufzeiten selbst für große Netzwerke von bis zu 10.000 Knoten zeigen. In den dabei untersuchten Topologien konnte die Heuristik eine durchschnittliche Abweichung von 1,2 und im schlimmsten Falle von 5/3 vom kostenoptimalen Ergebnis aufweisen.